虚拟细胞的验证：基准、基线与批评
待审阅 版本 0.1.0 · 状态：初稿 · 最近专家审阅：尚未审阅
研究问题
- 虚拟细胞模型如何验证？
- 深度学习模型在扰动预测上能超过线性基线吗？
当前认识
目前的验证主要依靠基准与挑战赛。多项独立研究报告深度扰动模型尚不能稳定超越简单线性基线；文献库中尚无神经肿瘤领域虚拟细胞的临床验证报告。
Ahlmann-Eltze 等（Nature Methods，2025）报告深度学习基因扰动效应预测尚未超越简单线性基线；基础细胞模型基准与零样本评估指向同一方向。 VC0048 VC0049 VC0050
评估设计至关重要：Systema 显示系统性变异会导致性能高估；多篇预印本提出了评估原则并报告基线差距依然存在。 VC0052 VC0053 · 预印本 VC0054 · 预印本
虚拟细胞挑战赛作为虚拟细胞的“图灵测试”发起，2026 年赛事评测跨细胞情境的零样本泛化。 VC0002 VC0058
在神经肿瘤影像领域，一项儿童 DMG 生成式 MRI 生长预测研究受到关于领域偏移与统计嵌套的公开批评——提醒验证需要独立审视。 VC0077 VC0078
证据图谱
原始研究与数据集
- VC0048 Deep-learning-based gene perturbation effect prediction does not yet outperform simple linear baselines. — Ahlmann-Eltze C, Huber W, Anders S., Nature methods, 2025
- VC0049 Benchmarking foundation cell models for post-perturbation RNA-seq prediction. — Csendes G, Sanz G, Szalay KZ, Szalai B., BMC genomics, 2025
- VC0050 Zero-shot evaluation reveals limitations of single-cell foundation models. — Kedzierska KZ, Crawford L, Amini AP, Lu AX., Genome biology, 2025
- VC0052 Systema: a framework for evaluating genetic perturbation response prediction beyond systematic variation. — Viñas Torné R, Wiatrak M, Piran Z, Fan S, Jiang L, Teichmann SA, Nitzan M, Brbić M., Nature biotechnology, 2025
- VC0056 Systematic evaluation of single-cell foundation model interpretability: attention-derived edge scores add no incremental value over gene-level features for perturbation-target prediction. — Kendiukhov I., BMC genomics, 2026
相关模型与工具
- VC0019 Predicting cellular responses to perturbation across diverse contexts with State. — Adduri AK et al., Cell, 2026
- VC0033 · 预印本 X-Cell: Scaling Causal Perturbation Prediction Across Diverse Cellular Contexts via Diffusion Language Models — Wang C et al., bioRxiv, 2026
扰动与验证证据
- VC0002 Virtual Cell Challenge: Toward a Turing test for the virtual cell. — Roohani YH et al., Cell, 2025
- VC0058 Virtual Cell Challenge 2026: Benchmarking zero-shot generalization across cellular contexts. — Arc Virtual Cell Initiative Team, Goodarzi H., Cell, 2026
- VC0053 · 预印本 Signal, Bounds, and Baselines: Principles for Evaluating Virtual Cell Perturbation Models — Vollenweider M, Bühlmann P., bioRxiv, 2026
- VC0054 · 预印本 An Empirical Comparison of Virtual Cell Models: Perturbation Prediction, Representation, and the Baseline Gap — Denvis O., Research Square, 2026
- VC0077 Generative AI for spatial tumor growth on MRI: a proof-of-principle study in pediatric diffuse midline glioma. — Laslo D et al., BMC medicine, 2026
- VC0078 Biological domain shift and statistical nesting concerns in generative AI-based spatial tumor growth prediction for pediatric diffuse midline glioma. — Li W, Sun X, Pei S., BMC medicine, 2026
本页引用文献库条目 13 条，其中预印本（未经同行评审）3 条。
关系
实体之间的类型化关系，每条均有文献库条目支撑（角色＝该条目与关系的关联方式）。低置信度行需编辑复核。 全部实体 →
| 主语 | 关系 | 宾语 | 置信度 | 证据（角色） |
|---|---|---|---|---|
| AI 虚拟细胞 | 基准评测于 | 虚拟细胞挑战赛 | 高 | VC0002 基准 VC0058 基准 2026 年挑战赛结果在文献库中尚未公布。 |
| 扰动反应预测 | 基准评测于 | 简单线性基线 | 高 | VC0048 基准 VC0049 基准 深度模型尚不能稳定超越简单线性基线。 |
| scGPT | 基准评测于 | 零样本评估 | 高 | VC0050 基准 报告了零样本局限。 |
| Geneformer | 基准评测于 | 零样本评估 | 高 | VC0050 基准 报告了零样本局限。 |
| X-Cell | 基准评测于 | 简单线性基线 | 低 | VC0033 · 预印本 支持 VC0048 反驳 X-Cell（预印本，未经同行评审）声称超越线性基线，而 Nature Methods 基准发现此前的深度模型未能做到；VC0048 并未测试 X-Cell，“反驳”仅表示存在张力而非证伪。需复核。 |
| 系统性差异 | 相关 | 扰动反应预测 | 高 | VC0052 基准 系统性差异可能导致预测器性能被高估。 |
本页涉及的实体
尚不确定之处
基准多基于细胞系；文献库中尚无 GBM 特异基准。
关于基线差距的部分新证据来自预印本。 VC0053 · 预印本 VC0054 · 预印本
仅供科研与教育参考，不构成医疗建议，也不构成对任何诊疗或产品的推荐。患者请咨询主治医生。